引言：啤酒以大麥芽、酒花、水為主要原料，經酵母發酵作 用釀制而成的飽含二氧化碳的低酒精度酒，即為啤 酒，其中大麥是啤酒工業釀酒的原料中貨值高的原 料。

大麥需要貯存、精選、浸麥、發芽、焙燥、貯存過 程，再進行釀造工藝進行啤酒生產，大麥芽的質量指 標決定釀造出啤酒的質量，大麥芽的品質是各個釀酒 企業非常關注的

•α-氨基氮是酵母生長發育的主要氮源，麥汁中α-氨 基氮含量對風味物質雙乙酰的含量變化、醇含 量的變化有著重要影響；
•大麥芽脆度表示麥芽的疏松度，關系到大麥芽的溶 解度；
•大麥芽浸出率是指從麥芽中浸出并溶解于水的干物 質占麥芽干物質的百分比，浸出率高收得率就高， 麥芽浸出率一般用標準協定糖化法測定，它包括了 麥芽本身的可溶性物質和在糖化時經酶作用形成的 可溶性物質，因此說浸出率反映了大麥在制麥芽過 程中，麥芽溶解的程度和形成酶的數量，同時也反 映了大麥經制麥成為干麥芽后，麥粒干物質的損失 多少的特性；
•庫爾巴哈值是可溶性蛋白占總蛋白的比例，庫值的 高低水平決定麥芽的級別和控制生產工藝方面有重 要的參考價值；
•大麥芽總氮含量低，會影響酵母的健壯程度，釀造 的啤酒口味淡薄，啤酒泡沫也會比較少一些；

•總酸與可溶性氮相對應，也是大麥芽的重要功能組 分；
•水分不僅是干物質含量的重要指標，也是大麥芽儲 存的重要參數。

常規實驗室方法分析上述7個大麥品質指標需要很多 的人力，開動多種儀器，耗費大量的時間，分析效率 低。采用近紅外分析技術，將日常分析過7個指標的 麥芽樣品進行近紅外光譜掃描，建立近紅外定量分析 模型，使用這個模型，可以在1分鐘內同時測定大麥 芽的7個品質指標。

實驗 烘焙過的大麥芽樣品來源于啤酒廠的麥芽車間，前后 半年時間收集了不同批次的220個樣品，對收集到的 樣品首先采用國標的方法分析測試大麥芽的α-氨基 氮、脆度、浸出率、庫爾巴哈值、總氮、總酸、水 分，記錄并保存化學方法分析數據，剩余的樣品裝塑 料自封口袋保存。分析儀器為ThermoFisher Antaris II傅里葉近紅外光譜儀，配備鍍金背景和鍍金漫反射表面的積分球和高靈 敏度InGaAs檢測器，5cm直徑的漫反射樣品杯及配套 的樣品旋轉器，儀器控制軟件“Result”和近紅外化 學計量學軟件“TQ  Analyst”。

測試條件：樣品為整粒烘焙過的大麥芽，測定漫反射 吸收光譜，光譜分辨率8cm-1，掃描次數64次取平均 得到平均光譜，掃描光譜范圍10,000-4,000cm-1，每 個樣品經過掃描得到一張光譜。

數據分析與結果 圖1是220個整粒大麥芽樣品的近紅外漫反射吸收光 譜，由于大麥芽的顆粒度大小、緊實度等存在著差 異，造成整粒大麥芽近紅外漫反射光譜的基線和離散 度存在較大的差異，圖1中的原始光譜表現的非常明 顯，對光譜進行一階導數處理后，光譜的基線和離散 度明顯消除，圖2是圖1中的原始光譜經過一階導數處 理后的光譜。   

利用“TQ Analyst”軟件中的偏小二乘算法（PLS） 對采集的樣品近紅外光譜和對應的7個指標的實驗室 分析值進行回歸分析，單獨建立每個品質指標的近紅 外模型，在進行模型前對光譜預處理方法、譜區范圍 進行優化，不同質量指標優化得到的光譜預處理方法 和譜區范圍不盡相同，原則是：通過優化得到交叉檢 驗的均方差越小越好。表1是大麥芽的7個品質指標模 型優化后的模型參數列表。

表1中所有7個品質指標模型中光譜預處理方法都采用了導數處理，一階或二階，說明導數處理對消除顆粒度 大小、疏松程度等物理量變化造成的基線漂移和旋轉具有很好的降低和消除作用。
表1中α-氨基氮的含量非常低，幾近低于近紅外的檢測限，所以交叉檢驗的均方差偏大，相關系數偏低，但還 是有一定的相關性，可以近紅外作為作為快速分析技術分析α-氨基氮。圖3是α-氨基氮模型選擇的近紅外譜 區范圍及其二階導數光譜，圖4、5是α-氨基氮模型內部交叉檢驗的實驗室分析數據和交叉預測數據的相關圖 和誤差分布圖，圖6是α-氨基氮模型交叉檢驗的均方差隨得分矩陣維數的變化圖。

圖4、5、6顯示α-氨基氮采用近紅外技術進行定量分 析的平均相對誤差可以控制在5%之內，單個樣品的相 對誤差在10%以內的可信度可達95%。下面每個品質指標的相關圖、誤差分布圖和PRESS圖 不再一一列出，僅表述總氮的相關圖、誤差分布圖和 PRESS圖。脆度是大麥芽的物理指標，但決定大麥脆度的疏松程 度在近紅外漫反射光譜中存在信息，可以用近紅外光 譜進行測定，只是相對偏差稍大，但可以作為快速分 析的手段。

浸出率是大麥芽的總溶出物的含量，溶出物中既有有 機物質也有無機物質，其中的有機物質和部分無機物 質在近紅外區有相關信息，可以用近紅外進行快速定 量分析，誤差水平和相關性都比較好。     

庫爾巴哈值（簡稱庫值）是大麥芽中可溶性氮占總氮 的比例，根據近紅外光譜定量分析的理論基礎朗博比爾定律的原理分析，庫值與近紅外光譜吸收不滿足朗 博比爾定律，大麥芽中的可溶性氮和總氮含量與近紅 外光譜信息符合朗博比爾定量，應該分別建立可溶性 氮和總氮的近紅外模型，用這兩個模型預測樣品得到 可溶性氮和總氮的含量算出庫值；表1中庫值的模型 質量不是很理想，源于庫值本身是一個相對量，建立 模型有些牽強.

總氮、總酸、水分三個組分*朗博比爾定律， 這三個模型的相關系數、均方差（RMSECV）都比較 理想，水分模型有待提高，原因是水分經過烘箱法測 定后樣品放置有一段時間，水分發生了一些變化，如 果測試完近紅外光譜的樣品馬上進行烘箱水分測定， 得到的模型效果會比現在建立的模型還要好。

圖7、8是總氮模型內部交叉檢驗的實驗室分析數據和 交叉預測數據的相關圖和誤差分布圖，圖9是總氮模 型交叉檢驗的均方差隨得分矩陣維數的變化圖。

結論：

近紅外光譜分析技術是能夠應用于啤酒企業麥芽生 產、儲存、釀造前確認麥芽品質指標的一種獨yi無二 的快速分析技術，能為啤酒生產工藝提供快速了解麥 芽品質指標，及時調整工藝參數或原料配比提供快速 數據支撐。
近紅外光譜分析技術直接分析大麥芽庫爾巴哈值存在 原理上的缺陷，應分別測定可溶性氮和總氮的含量， 是一種滿足分析理論要求的方法。
更好地建立大麥芽品質的近紅外模型，不僅要通過優 化儀器掃描參數和條件得到高質量的近紅外光譜，實 驗室常規分析數據準確度和可靠性的提高對于近紅外 模型的質量同樣具有重要意義。
Antaris II 的穩定可靠的性能為大規模樣品的模型建立 提供了值得信賴的數據。